
AI 编程助手这几年进步很快,但宣传和实际之间有一条很明显的沟。宣传里说的是"你说一句话,它把整个功能写完,你只需要点确认",实际用起来往往是"它给你一个看起来能跑但暗藏三个 bug 的版本,你还得花时间找出来"。这个差距不是厂商在刻意骗人,而是不同层级的能力被混在一起讲了。把这件事拆成四层来看,你就知道它现在到底能做到什么,以及该在什么位置用它。
第一层是代码补全,这是目前最成熟、最没有争议的一层。你在编辑器里敲了半行,它猜出你接下来要写什么,按 Tab 接受。这一层的价值非常实在,因为它省的是最机械的重复劳动:写一堆类似的 if 判断、写一个标准的循环、写一个常规的数据库查询、把一段 JSON 解析成对象。这些活儿本来就没什么创造性,让机器猜一遍,你改两个字就行。很多人对 AI 编程的印象就停在这一层,觉得不过如此,其实这一层用好了效率提升已经很可观,尤其是写业务逻辑里那些枯燥的部分。
第二层是局部生成,你描述一个小功能,它给出实现。比如你说"写一个函数,接收用户 ID,从数据库查这个用户的订单,按时间倒序,返回前十条"。这一层的能力已经相当强,特别是对于常见的、有大量先例的功能,它给出的代码基本能直接用。但这一层开始出现第一个坑:它不知道你项目里的约定。你的项目可能有一套自己的数据库封装、自己的错误处理方式、自己的命名规范,它给的是通用写法,直接贴进去会显得格格不入,甚至跑不起来。所以这一层的正确用法是把它当草稿,拿过来按自己的规范改一遍。这个环节省下的是"从零想"的时间,不是"从零写"的时间。
第三层是跨文件修改,你提出一个涉及多个文件的需求,它自己去读相关代码、找到需要改的地方、一起改掉。这一层是最近一两年才真正成熟的,也是最能体现差距的一层。它的难点不在写代码,在于理解上下文:这个函数被谁调用、改了这个签名会不会影响别处、这个配置项改了之后有没有别的地方依赖它。能力强的助手能把这些关系理清楚,能力弱的会改一半漏一半,你还得自己排查。这一层用起来的实际感受是,需求越清晰、项目结构越规范,成功率越高;如果你的项目本身就是一团乱麻,它也跟着乱。
第四层是全自动,你说一个完整的需求,它从设计到实现到测试全包。这一层目前基本还停留在演示阶段。演示里能跑通,是因为演示的需求是精心挑选的、项目是干净的、依赖是准备好的。真实项目里,需求本身模糊、历史代码有包袱、环境有各种奇怪的配置,这些它处理不了。所以看到那些"一句话生成整个应用"的视频,要理解它展示的是能力上限,不是你日常会遇到的情况。
理解了分层,就能定出实际的使用策略。我的建议是:第一层和第二层大胆用,把它们当成高级的自动补全和模板生成器,效率提升立竿见影,风险也可控,因为生成的代码范围小,你能完整看一遍。第三层谨慎用,用之前把需求写清楚,让它先说方案再动手,改完必须自己过一遍 diff,重点看它有没有漏改调用方、有没有引入新的依赖。第四层先别指望,把它当成一个能给你提供思路的讨论对象,而不是一个能替你交付的执行者。
还有几个实操上的注意事项。第一,一定要有版本控制,用 AI 改代码之前先提交一次,改完不满意直接回滚,这是最基本的安全网。第二,一定要看 diff,不要盲接受。AI 有个很讨厌的习惯,它会顺手"优化"你没让它改的地方,比如把你的一段注释删了、把一个变量名改了、把格式重排了,这些改动混在一大堆变更里很容易被忽略。第三,涉及安全的地方必须人工审,用户输入处理、SQL 拼接、权限判断、文件上传,这几个地方如果它写错了,后果非常严重,而且错得很隐蔽。第四,别让它碰你完全不熟的领域,比如它给你一段复杂的正则,你既看不懂也不敢改,那这段代码就是个定时炸弹。
最后聊一个更长远的判断。AI 编程助手改变的其实是"写代码"这件事的成本结构,它把机械部分的成本压得很低,把理解、判断、审查的成本凸显出来。这意味着未来值钱的不是"能写出代码",而是"能判断这段代码对不对、该不该这么写"。对个人开发者来说,这是个好消息也是个坏消息:好消息是你一个人能做的事变多了,坏消息是门槛从"会写"变成了"会审"。所以现在花时间在读懂代码、理解架构、建立判断标准上,比花时间学更多语法要划算得多。工具会一直变,判断力不会过时。
再具体说说怎么挑一个适合自己的助手,四个维度按重要性排序。第一个维度是上下文能力,也就是说它能不能一次读进你足够多的代码。如果你的项目只有几个文件,随便哪个工具都够用;如果你的项目几十上百个文件,那上下文长度就是硬指标,读不进去它就只能瞎猜,给出的方案看着合理但跟你项目完全对不上。这个维度经常被忽略,因为宣传材料都在讲生成质量,很少讲它到底能看见多少代码。实测的办法很简单,让它改一个需要跨三四个文件才能改对的功能,看它能不能主动去找相关的文件,还是只盯着你贴进去的那一段。
第二个维度是对你技术栈的支持程度。同样是前端,用主流框架的项目,助手见过的样本多,给出的代码质量高;用冷门框架或者自研架构的项目,它基本在瞎编。这个差距在数据库操作、状态管理、路由这些约定性强的地方最明显。如果你的技术栈比较小众,期望值要相应调低,把它当参考而不是当答案。
第三个维度是响应速度,这个直接影响你愿不愿意用它。一个功能等十几秒才出结果,你会不自觉地跳过它自己写;一两秒出结果,你会自然地用它。很多人装了助手用两天就放弃,不是因为效果差,是因为太慢,打断了思路。选工具的时候一定要实测这个指标,别看宣传。
第四个维度是隐私和数据处理方式。你的代码里可能有密钥、有业务逻辑、有客户数据,这些会不会被上传、会不会被用于训练、能不能关掉,必须提前搞清楚。开源本地部署的方案这一项最有保障,云端服务要看服务条款,企业项目尤其要谨慎。这一条不涉及能力高低,只涉及风险,但风险出了就是大事。
最后算一笔实际的账。假设你每天写四小时代码,其中真正需要动脑的部分可能只占三成,剩下的七成是查文档、写样板、调格式、找报错。一个用顺手的助手能把后面这七成压掉一半左右,也就是每天省下一个多小时。一个月下来二十多个小时,相当于多出三天。这个收益对个人开发者来说是实实在在的,比任何宣传数字都可靠。但前提是"用顺手",也就是上面四个维度都过得去,并且你已经养成了看 diff、做提交、关键处人工审的习惯。没养成习惯的人,用助手反而会花更多时间收拾烂摊子,这时候不如先老老实实自己写。
